論文の概要: SynCity 3000: Bootstrapping Scene-Scale 3D Diffusion
- arxiv url: http://arxiv.org/abs/2607.05392v1
- Date: Mon, 06 Jul 2026 17:59:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.276547
- Title: SynCity 3000: Bootstrapping Scene-Scale 3D Diffusion
- Title（参考訳）: SynCity 3000:Bootstrapping Scene-Scale 3D Diffusion
- Abstract要約: 本稿では,世界規模で3Dシーンを生成するためのフレームワークであるSynCity 3000について述べる。
現在の画像から3Dのジェネレータの能力に基づいて、生成装置を畳み込み演算子として適用することにより、この能力をシーン全体の規模にまで拡張する。
我々は,新しい合成データエンジンによって生成されたシーンライクなデータに基づいてモデルを微調整することで,これを実現する。
そして、畳み込み生成装置を、ユーザプロンプトから生成されたシーン全体の2次元画像に適用し、任意のサイズと複雑さの3Dシーンを生成する。
- 参考スコア（独自算出の注目度）: 80.07819974787664
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We present SynCity 3000, a framework for generating 3D scenes that are globally coherent while enabling fine-grained layout control. Building on the ability of current image-to-3D generators to produce complex 3D assets from a single image, we extend this capability to the scale of entire scenes by adapting the generator to be applicable as a convolutional operator. We achieve this by fine-tuning the model on scene-like data generated by a new synthetic data engine, which we propose to address the scarcity of 3D scene data for training. The convolutional generator is then applied to a dimetric image of the entire scene, generated from the user prompt, resulting in 3D scenes of arbitrary size and complexity. Across diverse prompts and layouts, SynCity 3000 produces large, coherent, and detailed scenes, addressing the shortcomings of prior approaches to 3D scene generation.
- Abstract（参考訳）: SynCity 3000は,細粒度レイアウト制御を実現しつつ,世界規模で一貫性のある3Dシーンを生成するためのフレームワークである。
コンボリューション演算子として利用できるように,現像から現像までの3D生成装置が単一画像から複雑な3Dアセットを生成する能力に基づいて,この能力をシーン全体の規模に拡張する。
そこで我々は,新しい合成データエンジンによって生成されたシーンライクなデータに基づいてモデルを微調整し,トレーニング用3次元シーンデータの不足に対処することを提案する。
そして、畳み込み生成装置を、ユーザプロンプトから生成されたシーン全体の2次元画像に適用し、任意のサイズと複雑さの3Dシーンを生成する。
多様なプロンプトやレイアウトの他、SynCity 3000は3Dシーン生成への先行アプローチの欠点に対処し、大きく、一貫性があり、詳細なシーンを生成する。
関連論文リスト
- Constructing a 3D Scene from a Single Image [31.11317559252235]
SceneFuse-3Dは、単一のトップダウンビューからコヒーレントな3Dシーンを合成するために設計されたトレーニング不要のフレームワークである。
入力画像を重なり合う領域に分解し、事前訓練された3Dオブジェクトジェネレータを用いてそれぞれを生成する。
このモジュラー設計により、3次元の監督や微調整を必要とせず、解像度のボトルネックを克服し、空間構造を維持できる。
論文 参考訳（メタデータ） (2025-05-21T17:10:47Z) - SynCity: Training-Free Generation of 3D Worlds [107.69875149880679]
テキスト記述から3次元世界を生成するためのトレーニング不要かつ最適化不要なアプローチであるSynCityを提案する。
3Dと2Dのジェネレータが組み合わさって、拡大するシーンを生成する方法を示す。
論文 参考訳（メタデータ） (2025-03-20T17:59:40Z) - GALA3D: Towards Text-to-3D Complex Scene Generation via Layout-guided Generative Gaussian Splatting [52.150502668874495]
GALA3D, GALA3D, 生成3D GAussian, LAyout-guided control, for effective compositional text-to-3D generation。
GALA3Dは、最先端のシーンレベルの3Dコンテンツ生成と制御可能な編集のための、ユーザフレンドリーでエンドツーエンドのフレームワークである。
論文 参考訳（メタデータ） (2024-02-11T13:40:08Z) - SceneWiz3D: Towards Text-guided 3D Scene Composition [134.71933134180782]
既存のアプローチでは、大規模なテキスト・ツー・イメージモデルを使用して3D表現を最適化するか、オブジェクト中心のデータセット上で3Dジェネレータをトレーニングする。
テキストから高忠実度3Dシーンを合成する新しい手法であるSceneWiz3Dを紹介する。
論文 参考訳（メタデータ） (2023-12-13T18:59:30Z) - BerfScene: Bev-conditioned Equivariant Radiance Fields for Infinite 3D
Scene Generation [96.58789785954409]
本研究では,同変放射場と鳥眼視図のガイダンスを組み込んだ実用的で効率的な3次元表現を提案する。
局所的なシーンを合成し、スムーズな一貫性で縫い合わせることで、大規模で無限スケールの3Dシーンを作ります。
論文 参考訳（メタデータ） (2023-12-04T18:56:10Z) - CC3D: Layout-Conditioned Generation of Compositional 3D Scenes [49.281006972028194]
本稿では,複雑な3次元シーンを2次元セマンティックなシーンレイアウトで合成する条件生成モデルであるCC3Dを紹介する。
合成3D-FRONTと実世界のKITTI-360データセットに対する評価は、我々のモデルが視覚的および幾何学的品質を改善したシーンを生成することを示す。
論文 参考訳（メタデータ） (2023-03-21T17:59:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。